12月23日,百度如流首次举办发布会“AI在手,工作如流——百度如流智会2020”,宣布全面升级为新一代智能工作平台,以AI赋能企业工作全场景,助力企业提效创新,引领企业智能化转型。百度集团副总裁、百度集团首席信息官(CIO)李莹,对如流品牌全面升级进行了深度解读,并分享了如流企业服务生态布局等业务进展。发布会上,百度如流还与埃森哲联合首发《企业智能工作白皮书》,并在现场举行了百度如流与浦发银行的“新CALL浦”合作仪式。
图:百度集团副总裁、百度集团首席信息官(CIO)李莹发表演讲
李莹提到:“在整个智能化转型过程中,AI义不容辞的成为了其中的核心引擎和关键燃料。如流将以AI 技术为抓手,赋能企业工作全场景提升生产效率;以知识管理为核心,助员工成长、助企业创新;以服务能力为依托,全面支持企业数字生态战略建设”。此次如流全面升级为新一代智能工作平台,便是以百度积累的深厚AI技术赋能企业员工、组织、业务和经营的方方面面,不仅拓展了企业业务、运营场景下所需要的全场景服务能力,同时支持员工、组织在工作场景中的无缝连接、高效协同、加速创新,为企业提供智能化服务及应用,提升企业经营效率,助力企业及员工创新。
AI智能工作平台标准升维,“流式”工作方式助力企业提效创新
如流对AI智能工作平台标准进行了全面升维,在保留了原有“1+2+3”架构的同时,“1”升级为新一代智能工作平台,“2”仍为技术底座AI中台和知识中台,“3”则为AI时代实现流式工作所必须的通讯流、工作流和知识流。具体来讲,百度如流在以百度大脑为支撑的两大技术底座基础上,打造出了专注沟通连接的通讯流、协同企业工作全流程的工作流,以及激发个人与组织创新需求的知识流,进而实现智能流式工作。在通讯流与工作流中产生的创造性成果,沉淀于知识流中,经过在企业内部的流转与迭代,知识会再度反馈于通讯和工作场景中,实现三者的互通互联,为企业打造行云流水般的智能工作体验。
图:百度如流全面升维AI智能工作平台标准
升维后的AI智能工作平台标准,以智能的“流式”工作方式赋能企业全流程工作场景,解决业务提效和组织创新两大难题,打造智能经济时代的核心竞争力。与此同时,如流也呼吁业界同行共同聚焦企业智能化工作方式的变革,以创新的形式推动更多企业的智能化升级步伐。百度如流与埃森哲联合发布了《企业智能工作白皮书》,从行业角度进一步明确了智能工作的等级划分。
“用”、“聊”、“搜”、“荐”,赋能人才与企业高速成长
在实现企业工作方式智能化变革的过程中,知识管理十分关键。发布会上,百度智能办公平台总监贺锋也进一步阐述了如流企业级的知识管理体系在智能工作平台中发挥的重要价值:基于“用”“聊”“搜”“荐”,如流构建的知识管理体系便连接了全工作场景,搭建企业知识网络,加速了知识的创造、流动、应用和反馈,赋能员工与企业共同成长。
图:百度智能办公平台部总监贺锋发表演讲
智能“AI助手”,深度赋能企业工作全场景
百度企业智能平台部&企业运营平台部总监李涛介绍:基于百度智能云平台领先的人工智能、大数据及云计算能力,百度如流打造的一系列看不见的智能“助手”。在财务、税务、合同等职能领域,以AI替代人力,大大提升企业运营效率。
图:百度企业智能平台部&企业运营平台部总监李涛发表演讲
如流&浦发银行“新CALL浦”,开启企业数字生态建设新起点
百度如流与浦发银行携手打造满足全栈数字化能力要求的新一代数字化工作平台——“新CALL浦”,并举行发布仪式。如流将助力浦发银行实现“全用户、全时域、全服务、全智联”的全景银行目标。
图:百度如流与浦发银行合作仪式
即将到来的2021年也是产业智能化转型升级的关键一年,中央经济工作会议和“十四五”规划中,“大力发展数字经济,推动产业智能化转型”频频出现,成为关键热词。百度如流依托百度领先的人工智能技术、深厚的知识管理能力与丰富的企业服务经验,满足了企业对于一种更加高效、协同与创新的智能工作模式的追求,通过企业工作方式的智能化变革为企业成功转型提速加码。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。